想象一下這樣一個(gè)世界：人工智能系統(tǒng)運(yùn)行所需的能量與蝴蝶相同。當(dāng)我們看到當(dāng)今人工智能系統(tǒng)巨大的能源消耗時(shí)，這個(gè)夢想似乎還遙不可及。

這些強(qiáng)大的機(jī)器雖然非常出色，但耗電量卻驚人。一個(gè)訓(xùn)練中的 AI 模型所消耗的電量相當(dāng)于五輛汽車一生所消耗的電量。使用互聯(lián)網(wǎng)上的所有文本訓(xùn)練上一個(gè) GPT-4 系統(tǒng)耗電量超過 1 億美元，而且它說話仍然不太好。

成本高昂的不僅僅是訓(xùn)練。一位數(shù)據(jù)科學(xué)家估計(jì)，今年 1 月，大型語言模型耗電量相當(dāng)于 17.5 萬人的用電量。訓(xùn)練階段通常是人工智能模型耗能最高的階段，但人們對使用這些服務(wù)的強(qiáng)烈興趣可能會(huì)無限期地產(chǎn)生高昂的電費(fèi)。

隨著對人工智能服務(wù)的需求激增，環(huán)境污染問題也變得不容忽視，這一問題也變得更加嚴(yán)重。我們正面臨能源危機(jī)，顯然我們需要改變方向。

我們要用人工智能毀滅地球嗎?好吧，我們應(yīng)該看看大自然是如何做到的。

大自然以安靜而優(yōu)雅的方式每時(shí)每刻都在進(jìn)行計(jì)算，而且能源效率極高。從樹木將陽光轉(zhuǎn)化為食物，到人類大腦處理復(fù)雜信息，大自然的計(jì)算既復(fù)雜又可持續(xù)。如果大自然能做到，為什么我們的機(jī)器不能呢?顯然，我們目前對人工智能的態(tài)度存在根本缺陷。

幸運(yùn)的是，量子計(jì)算領(lǐng)域有一線希望。這個(gè)新興領(lǐng)域利用量子力學(xué)原理，以比傳統(tǒng)計(jì)算機(jī)更高效的速度執(zhí)行復(fù)雜計(jì)算。就像大自然在光合作用中使用量子效應(yīng)一樣，我們可以利用量子計(jì)算以極低的能量運(yùn)行人工智能系統(tǒng)。

高性能計(jì)算機(jī)的功耗

隨著人工智能模型的總體數(shù)量和使用量不斷增長，值得考慮為運(yùn)行這些算法的機(jī)器提供動(dòng)力所需的能源。

Frontier 目前是全球最強(qiáng)大的超級計(jì)算機(jī)，其電費(fèi)為 21.1 兆瓦，每年高達(dá) 2300 萬美元。當(dāng)田納西州橡樹嶺國家實(shí)驗(yàn)室的工程師們建造 Frontier 時(shí)，計(jì)算機(jī)周圍的辦公空間必須改造成變電站，以確保計(jì)算機(jī)有足夠的電能。即使在空閑時(shí)，F(xiàn)rontier 也會(huì)消耗 8 兆瓦的電能。一兆瓦通常可以為 1,000 個(gè)歐洲家庭供電。

除了消耗了全球相當(dāng)一部分能源外，這些超級計(jì)算機(jī)還以排放的形式對環(huán)境產(chǎn)生了重大影響。2022 年，中國擁有的超級計(jì)算機(jī)數(shù)量最多，為 172 臺，美國緊隨其后，為 128 臺。煤炭是亞洲迄今為止最常見的能源，預(yù)計(jì)未來十年仍將保持這一地位。在美國，煤炭占整體能源結(jié)構(gòu)的 60%。在歐洲，太陽能和風(fēng)能首次在 2022 年與核能持平，但歐洲只有 71 臺超級計(jì)算機(jī)。所有這些超級計(jì)算都在導(dǎo)致溫室氣體擾亂天氣模式并導(dǎo)致地球變暖。

即使對于試圖減少碳足跡的研究科學(xué)家來說，使用超級計(jì)算機(jī)也讓他們無法實(shí)現(xiàn)這一目標(biāo)。最近的一項(xiàng)研究計(jì)算了澳大利亞一所大學(xué)天文學(xué)家的碳足跡。平均每個(gè)天文學(xué)家僅使用超級計(jì)算機(jī)就產(chǎn)生了 15 噸的排放量，遠(yuǎn)遠(yuǎn)超過航空旅行和天文臺工作的排放量，后兩者的排放量均為個(gè)位數(shù)。

利用量子計(jì)算提高人工智能效率

正如世界從燃油汽車轉(zhuǎn)向電動(dòng)汽車一樣，企業(yè)、大學(xué)和政府可以考慮使用量子計(jì)算來減少超級計(jì)算的碳足跡。這是一條很有前途的途徑，可以讓人工智能不僅更智能，而且更環(huán)保。例如，目前的百億億次和千萬億次超級計(jì)算機(jī)通常需要大約 15 到 25 兆瓦的功率才能運(yùn)行，而量子計(jì)算機(jī)的典型能耗為 25 千瓦。

此外，我們還看到了量子啟發(fā)式計(jì)算的出現(xiàn)——模擬量子過程但在經(jīng)典機(jī)器上運(yùn)行的算法。與傳統(tǒng) AI 系統(tǒng)相比，這些算法可以顯著節(jié)省功耗。

例如，人們可以通過深度學(xué)習(xí)、卷積網(wǎng)絡(luò)、Transformer 和其他計(jì)算要求高的過程中的巨大因素來提高神經(jīng)網(wǎng)絡(luò)的內(nèi)存性能。

計(jì)算機(jī)使用神經(jīng)網(wǎng)絡(luò)通過分析訓(xùn)練示例來學(xué)習(xí)任務(wù)。該網(wǎng)絡(luò)由數(shù)千個(gè)緊密互連的處理節(jié)點(diǎn)構(gòu)成。這些節(jié)點(diǎn)按層組織，每個(gè)節(jié)點(diǎn)都分配有權(quán)重和閾值。如果某個(gè)節(jié)點(diǎn)的輸出超過閾值，該節(jié)點(diǎn)就會(huì)開啟并將數(shù)據(jù)傳遞到下一層。

如今的 CPU 和 GPU 可支持高達(dá) 50 層的網(wǎng)絡(luò)。這些網(wǎng)絡(luò)一旦經(jīng)過準(zhǔn)確度訓(xùn)練，便可高速對數(shù)據(jù)進(jìn)行分類和聚類。這些網(wǎng)絡(luò)可執(zhí)行筆跡分析、語音轉(zhuǎn)文本轉(zhuǎn)錄和天氣預(yù)報(bào)等任務(wù)。

當(dāng)量子計(jì)算機(jī)進(jìn)入容錯(cuò)時(shí)代時(shí)，研究人員可以將量子位上的操作用作神經(jīng)網(wǎng)絡(luò)中的人工神經(jīng)元。

同時(shí)，得益于量子啟發(fā)技術(shù)，公司可以以最小的能源成本運(yùn)行每層具有大量神經(jīng)元的網(wǎng)絡(luò)，從而大幅降低能源消耗。

高性能計(jì)算中心對量子計(jì)算感興趣的一個(gè)原因是它有機(jī)會(huì)減少整體用電量。隨著傳統(tǒng)超級計(jì)算機(jī)的功能越來越強(qiáng)大，它們的功耗幾乎呈指數(shù)級增長。量子計(jì)算機(jī)的計(jì)算能力呈指數(shù)級增長，但相關(guān)的功耗卻呈線性增長。

關(guān)于量子計(jì)算機(jī)是否可能比傳統(tǒng)計(jì)算機(jī)消耗更少的能源，存在一些爭議。支持基礎(chǔ)設(shè)施對電力的需求很大，硬件設(shè)計(jì)也有一些要求。

量子能源計(jì)劃匯集了來自 46 多個(gè)國家的 300 名參與者，涵蓋從基礎(chǔ)量子物理到技術(shù)、從硬件到軟件、從研究到工業(yè)的各個(gè)領(lǐng)域，旨在跟蹤能源使用情況以及量子計(jì)算能力的增長。該計(jì)劃旨在了解與資源消耗相關(guān)的進(jìn)展。該組織的目標(biāo)包括為所有量子技術(shù)定義基于能源的指標(biāo)，并找到將量子過程的能源成本降至最低的方法。

量子計(jì)算和量子啟發(fā)式計(jì)算正在幫助解決計(jì)算能源挑戰(zhàn)。能源公司正在努力解決棘手的優(yōu)化和機(jī)器學(xué)習(xí)問題，例如能源市場優(yōu)化和生產(chǎn)預(yù)測。事實(shí)證明，量子計(jì)算不僅更環(huán)保，而且還能比傳統(tǒng)的、能源效率低下的計(jì)算更好地解決這些挑戰(zhàn)。

量子計(jì)算和量子啟發(fā)計(jì)算不僅僅是傳統(tǒng)計(jì)算的替代品，更是必需品。通往量子驅(qū)動(dòng)、節(jié)能的人工智能革命的道路漫長而充滿挑戰(zhàn)。我們正在與全球變暖和能源需求呈指數(shù)級增長作斗爭。但量子技術(shù)的每一步進(jìn)步都讓我們更接近既可持續(xù)又智能的人工智能的夢想。